1. 课程导论：为什么MTTR是SRE黄金信号的核心？MTTR复盘与异常检测基线的关联
1.1 从黄金信号到核心指标
在SRE实践中，Google定义的四大黄金信号——延迟（Latency）、流量（Traffic）、错误（Errors）、饱和度（Saturation）——共同构成了系统健康度的全景视图。然而，当故障发生时，真正决定业务影响和团队效率的，是MTTR（Mean Time to Repair，平均修复时间）。
MTTR之所以成为黄金信号的核心，是因为它直接衡量了从故障发生到恢复的端到端效率。延迟、错误等信号告诉你“系统出问题了”，而MTTR告诉你“我们花了多久才解决它”。在SLA/SLO的语境下，MTTR是决定SLO达成与否的关键变量：
| 黄金信号 | 核心问题 | 与MTTR的关系 |
|---|---|---|
| 延迟 | 响应是否变慢？ | 延迟异常触发告警 → MTTR计时开始 |
| 流量 | 请求量是否异常？ | 流量突增/突降可能是故障前兆 |
| 错误 | 错误率是否上升？ | 错误率是MTTR复盘的核心输入 |
| 饱和度 | 资源是否接近瓶颈？ | 饱和度趋势帮助预测故障，缩短MTTR |
关键认知： 没有MTTR的黄金信号是不完整的。延迟、错误等信号告诉你“发生了什么”，而MTTR告诉你“我们做得怎么样”。只有将MTTR纳入可观测性体系，才能形成从告警到恢复的闭环。
1.2 MTTR复盘：从模糊到精确
传统的MTTR复盘往往依赖人工时间线，存在两个致命问题：
- 口径不统一： 不同团队对“修复完成”的定义不同（是代码合并？还是部署上线？还是错误率归零？），导致MTTR数据无法横向对比。
- 阶段缺失： 故障处理包含发现（Detection）、定位（Diagnosis）、修复（Fix）、验证（Verification）四个阶段，传统复盘往往只统计总时长，无法识别瓶颈环节。
通过Metric设计驱动，我们可以将MTTR拆解为可量化的子指标：
| MTTR阶段 | 定义 | 关键Metric |
|---|---|---|
| MTTD（发现时间） | 从故障发生到告警触发 | 告警延迟、检测覆盖率 |
| MTTI（定位时间） | 从告警触发到根因确认 | 定位链路耗时、关联分析效率 |
| MTTF（修复时间） | 从根因确认到修复操作完成 | 变更回滚速度、热修复部署时长 |
| MTTV（验证时间） | 从修复完成到SLO恢复 | 健康检查周期、错误率回归基线 |
实践建议： 在Metric设计阶段，就为每个阶段定义明确的“开始”和“结束”事件。例如：MTTD的开始 = 错误率首次超过基线阈值，结束 = 告警通知发出。这些事件必须通过可观测性数据自动标记，而非人工记录。
1.3 异常检测基线：MTTR复盘的“标尺”
没有基线，就没有异常。异常检测基线的核心作用是为MTTR复盘提供客观的参考系：
- 定义“正常”： 基线定义了系统在健康状态下的行为模式（如P99延迟<200ms，错误率<0.1%）。
- 触发“异常”： 当实时指标偏离基线超过阈值时，自动标记故障开始时间，为MTTD提供精确起点。
- 验证“恢复”： 当指标回归基线范围并持续稳定后，自动标记修复完成时间，为MTTV提供终点。
异常检测基线与MTTR复盘的关系可以用下图表示：
1.4 基线设计对MTTR复盘的直接影响
不同的基线设计策略，会直接影响MTTR复盘的精度和可用性：
| 基线策略 | 适用场景 | 对MTTR复盘的影响 |
|---|---|---|
| 静态阈值 | 稳定业务、已知容量 | 简单直接，但容易漏报（业务波动时）或误报（毛刺时） |
| 动态基线（MA/EWMA） | 周期性业务、有规律波动 | 自适应调整，减少误报；但需要足够历史数据 |
| 机器学习基线 | 复杂模式、多维度关联 | 高精度，能检测隐蔽异常；但模型维护成本高 |
| 多维度基线 | 微服务、多租户场景 | 按服务/实例/接口拆分基线，MTTR复盘更精细 |
避坑提醒： 基线不是越复杂越好。如果基线频繁漂移导致告警风暴，MTTR复盘会失去意义——团队会陷入“狼来了”的困境。建议从静态阈值起步，逐步引入动态基线，并始终保留人工审核机制。
1.5 课程核心脉络
本课程将围绕以下主线展开：
- Metric设计原则： 如何定义可观测、可复盘的MTTR相关指标。
- 异常检测基线构建： 从静态阈值到机器学习模型，选择适合你业务的基线策略。
- MTTR阶段拆分与自动化： 通过事件关联和时间线自动标记，实现MTTR的精确计算。
- 复盘口径对齐： 统一团队对“故障开始/结束”的定义，确保MTTR数据可对比。
- 持续改进： 利用MTTR趋势数据驱动SRE实践优化，形成正向循环。
一句话总结： MTTR是SRE黄金信号的核心，而异常检测基线是MTTR复盘的“标尺”。只有通过精确的Metric设计，将基线、异常检测、阶段拆分三者联动，才能实现从“凭感觉复盘”到“数据驱动改进”的跨越。